P&G recurre al IoT y al análisis predictivo para perfeccionar los pañales Pampers
El gigante de los bienes de consumo envasados ha recurrido a Microsoft IoT y a la analítica de borde para capturar datos en tiempo real sobre los procesos de fabricación y anticiparse a fallos inminentes antes de que dañen los pañales.
Si hay artículos cotidianos que uno quiere a prueba de fallos, los pañales están sin duda entre ellos. Por eso, The Proctor & Gamble (P&G) hace todo lo posible para garantizar la fidelidad de sus productos Pampers.
Pero cuando tirar miles de pañales dañados durante el proceso de fabricación se convierte en un hecho cotidiano, hay que hacer algo para aliviar la cuenta de resultados. Fue entonces cuando P&G decidió poner los datos a trabajar para mejorar su negocio de fabricación de pañales.
"Siempre estamos analizando cuáles son las principales fuentes de nuestras pérdidas y dónde podrían funcionar mejor las cosas", afirma Jeff Krietemeyer, director senior de TI de Global Baby Care Services & Solutions de Procter & Gamble, cuyo equipo empezó a planificar una solución a finales de 2021 para solucionar los fallos de fabricación más costosos, especialmente los que afectaban a los pañales.
Los pañales se fabrican con pulpa esponjosa, plásticos, gránulos absorbentes y elásticos, y se utilizan distintos procesos -como la cola caliente y el termofijado- durante varios aspectos del proceso de fabricación altamente mecanizado.
Pero las cosas se tuercen y, cuando lo hacen, Proctor & Gamble emplea ahora su plataforma Hot Melt Optimization para detectar los fallos y volver a encarrilar el proceso. El proyecto, que le valió a Proctor & Gamble el premio CIO 100 2023 a la innovación y el liderazgo en TI, ha tenido un profundo impacto material en la planta de fabricación.
Hot Melt Optimization emplea un método de recopilación de datos mediante sensores propios en la línea de montaje que, combinados con el análisis predictivo de Microsoft y la nube Azure para fabricación, permiten a P&G producir pañales perfectos reduciendo las pérdidas por daños durante el proceso de fabricación.
Desde la implantación de la solución en 11 plantas, P&G calcula que ha eliminado el 70% de los pañales defectuosos que tienen que desecharse. Los ejecutivos no quieren revelar la cantidad exacta que se ahorra cada semana, pero se sitúa en torno a las siete cifras.
Análisis de pañales basado en datos
Durante el proceso de fabricación de pañales, una válvula solenoide automatizada libera un chorro de cola caliente de forma muy precisa para garantizar que las capas del pañal se solidifiquen correctamente.
"Los pañales vuelan por la línea de fabricación a gran velocidad durante el proceso de montaje, por lo que se necesita una aplicación muy precisa de colas termofusibles", explica Krietemeyer, que añade que las colas son inocuas para la piel humana.
Sin embargo, si la temperatura y la presión del flujo de cola son imprecisas, o si la cola se atasca en la válvula y no se corrige a tiempo, los pañales resultantes deben tirarse a la basura.
Para resolver estos problemas, Procter & Gamble colaboró estrechamente con Microsoft para implantar la plataforma analítica IoT y Edge de Microsoft, su nube Azure para fabricación y sus sensores IoT, analítica edge y modelos de aprendizaje automático.
La plataforma resultante se sometió a pruebas piloto durante nueve meses en una planta de P&G antes de desplegarse en la mitad de las plantas de fabricación de Pampers en Estados Unidos.
De camino a una de esas plantas en Missouri, Kietermeyer explicó a CIO.com que la combinación de la plataforma IoT y edge, los sensores y el motor de reglas de análisis edge se han empleado con éxito para abordar las anomalías de presión y temperatura y los problemas de hardware de las válvulas que pueden producirse en el proceso de fabricación de pañales.
"El equipo del proyecto exploró varios algoritmos, incluido el entrenamiento de modelos de redes neuronales, y descubrió que el motor de reglas de IA de Microsoft lograba los mejores resultados", añadió Kietermeyer.
En la cadena de montaje, P&G emplea controladores industriales lógicos programables Rockwell y otros sensores para supervisar y registrar minuciosamente los datos de temperatura y presión del flujo de cola. Los datos se introducen en plataformas analíticas y en código desarrollado internamente para identificar errores o anomalías que deben corregirse en tiempo real, sin desconectar la producción. De este modo se garantiza que la producción de cada instalación supere lo que se conseguía antes de poner en marcha la Hot Melt Optiminization.
La medición del flujo de datos se configuró utilizando una base de datos de control industrial denominada Influx Historian. Los datos se transmiten al modelo de análisis Edge de Microsoft mediante un sistema de transmisión y una visualización previa de Grafana. El sensor y el software pueden detectar si algo va mal y, en varias horas, realiza la corrección automáticamente.
"Estos microcontroladores industriales funcionan a velocidad superalta y son muy quisquillosos", afirma Kietermeyer. "Conseguir que funcionen con gran precisión para fabricar siempre el pañal perfecto requiere mucho esfuerzo e inspección, y no hay una persona experta disponible las 24 horas del día para vigilar la línea. Y aunque la hubiera, necesitaría tiempo de descanso. Así que de ahí surgió la idea del proyecto".
El poder del análisis predictivo
En este caso, el análisis predictivo es clave. Las especificaciones de fabricación de P&G se comprueban continuamente con los datos entrantes de forma basada en reglas a través del motor de análisis Edge de Microsoft, que ayuda a detectar las correcciones necesarias con varias horas de antelación. "Si la tendencia de los datos es negativa, en seis u ocho horas se puede saber si fallará [en la fabricación]", afirma Kietermeyer. "Podemos predecirlo a tiempo para detenerlo y realizar el mantenimiento antes de que se salga de las especificaciones".
Proctor & Gamble, que como una de las mayores empresas de productos de consumo del mundo genera más de 75.000 millones de dólares al año, destaca lo importante que ha sido este uso de la recopilación de datos y el análisis predictivo para los resultados de la empresa.
"La demanda comercial de productos para el cuidado del bebé es extremadamente alta, y las líneas de producción necesarias para crear estos productos son intensivas en activos", informa la empresa. "La capacidad de P&G para mantener las líneas en funcionamiento tiene un impacto significativo en el negocio, incluyendo el apoyo a nuestra capacidad para mantener y aumentar la capacidad de producción, reducir el tiempo de inactividad no planificado y reducir la cantidad de chatarra generada durante la producción".
Hot Melt Optimization se suma a los compromisos más amplios que P&G ha asumido para hacer evolucionar su negocio de fabricación utilizando tecnologías digitales e IA.
Un analista que sigue el uso de las tecnologías digitales en la fabricación señala que es fundamental que los proveedores conozcan sus procesos por dentro y por fuera para beneficiarse de la tecnología de fabricación avanzada.
"La transformación digital utiliza sensores avanzados, análisis de datos y lo último en inteligencia artificial para obtener información sobre los procesos de producción", afirma Carlos González, director de investigación de IoT Ecosystem & Trends en IDC. "El impulso del comercio digital está llevando a las organizaciones a ser flexibles y producir bienes de manera eficiente y rápida. Para ello, las organizaciones deben comprender en profundidad sus procesos industriales. Las plataformas IoT y la recopilación avanzada de datos son necesarias para garantizar operaciones industriales exitosas y resistentes".
